CHƯƠNG 1 : LỜI MỞ ĐẦU
4.1 Mơ hình nghiên cứu
4.2.2 Mơ hình Radom Effect (REM)
Mơ hình REM được sử dụng để kiểm tra các đặc điểm riêng biệt cho mỗi quan sát trong mẫu dựa trên các sai số ngẫu nhiên và được giả định là hệ số chặn khác nhau, hệ số dốc không thay đổi và không ảnh hưởng bởi thời gian. REM là phù hợp hơn để được sử dụng nếu N cá nhân được lựa chọn ngẫu nhiên từ một dân số lớn. Williams (2003) đã sử dụng REM để nghiên cứu các yếu tố quyết định trong nước và nước ngoài ảnh hưởng tới lợi nhuận của các ngân hàng nước ngồi tại Úc. FEM là khơng phù hợp trong trường hợp này là mơ hình được đề xuất bao gồm các biến phụ thuộc không đổi theo thời gian như giấy phép ngân hàng và quốc tịch gốc. Hơn nữa, Derbali (2011) sử dụng REM nhằm ước để sử dụng Generalized Least Squares (GLS) trong nghiên cứu từ những thử nghiệm Hausman kết luận rằng REM là thích hợp hơn so FEM.
Dữ liệu bảng gồm có N đối tượng và T thời điểm, và vì vậy chúng ta có NxT quan sát. Mơ hình REM được viết dưới dạng:
Yit= β1X1,it+….+ βkXk,it+ μit với i = 1, 2, …, N và t = 1, 2, …, T
Trong đó, sai số cổ điển được chia làm 2 thành phần. Thành phần νiđại diện cho tất các yếu tố không quan sát được mà thay đổi giữa các đối tượng nhưng không thay đổi theo thời gian. Thành phần εitđại diện cho tất cả các yếu tố không quan sát được mà thay đổi giữa các đối tượng và thời gian. Giả sử rằng viđược cho bởi:
58
vi= α0+ ωi, với i = 1, 2, …, N
Trong đó, vilại được phân chia làm hai thành phần: thành phần bất định α0, thành phần ngẫu nhiên ωi.
Giả định rằng, ωicho mỗi đối tượng được rút ra từ một phân phối xác suất độc lập với giá trị trung bình bằng 0 và phương sai khơng đổi, đó là E(ωi) = 0 Var(ωi) = sω2Cov(ωi,ωs) = 0. N biến ngẫu nhiên ωiđược gọi tác động ngẫu nhiên
Mơ hình tác động ngẫu nhiên có thể được viết lại:
Yit = α0+ β1X1,it+….+ βkXk,it + β2Xit2 + μit
Trong đó μit= ωi + εit. Một giả định quan trọng trong mơ hình REM là thành phần sai số μitkhơng tương quan với bất kì biến giải thích nào trong mơ hình.